Régression en Machine Learning : qu’est-ce que c’est ?
La régression est une famille importante de problèmes de Machine Learning.
Contrairement à la classification, où le résultat recherché correspond à une catégorie, la régression vise généralement à prédire une valeur numérique.
Comment fonctionne le principe ?
Le modèle apprend à partir d’exemples comportant des informations d’entrée et une valeur cible.
Il cherche ensuite à produire une estimation pour de nouvelles observations.
Exemple conceptuel
Supposons qu’un problème demande d’estimer une valeur numérique à partir de plusieurs caractéristiques.
Le modèle apprend sur des exemples pour lesquels cette valeur est connue, puis cherche à l’estimer pour de nouvelles données.
Régression et classification : quelle différence ?
On peut retenir :
Classification : “Quelle catégorie ?”
Régression : “Quelle valeur ?”
Cette distinction permet d’identifier rapidement deux grandes familles de problèmes supervisés.
La régression est-elle supervisée ?
Elle appartient généralement à l’apprentissage supervisé puisque l’apprentissage utilise des exemples avec une valeur cible connue.
Pourquoi les données restent-elles essentielles ?
La qualité du modèle dépend notamment des informations utilisées pendant son apprentissage.
Il faut donc examiner, préparer et comprendre les données avant de lancer la modélisation.
Comment évaluer une régression ?
Il existe différentes méthodes permettant d’examiner l’écart entre les prédictions et les valeurs observées.
La page de formation confirme l’apprentissage de l’évaluation, mais ne nécessite pas d’attribuer au programme une liste de métriques qui n’y serait pas explicitement publiée.
Pourquoi cette prudence est-elle importante ?
Parce que l’objectif de nos articles SEO est d’expliquer correctement les concepts tout en restant fidèle au contenu réel de la formation.
Nous pouvons expliquer ce qu’est une régression sans inventer le détail du cours.
Guides complémentaires
- Formation Intelligence Artificielle & Data au CAFP Casablanca →
- Apprentissage supervisé ou non supervisé : quelle différence ? →
- Classification en Machine Learning : comment ça fonctionne ? →
- Entraînement et test en Machine Learning : pourquoi séparer les données ? →
- Comment évaluer un modèle de Machine Learning ? →
- Surapprentissage en Machine Learning : comprendre l’overfitting →
FAQ — Intelligence Artificielle & Data
La régression prédit-elle une catégorie?
Non, elle vise généralement une valeur numérique.
Est-elle supervisée?
Généralement oui.
Quelle différence avec la classification?
Classification = catégorie ; régression = valeur numérique.
La régression est-elle au programme?
Oui.
L’évaluation est-elle également abordée?
Oui.
Consultez la page principale de cette filière pour retrouver la durée, les conditions d’admission et les informations de préinscription.